我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
我们考虑在任意时间演化下观察到的黎曼流形上轨迹的统计分析。过去的方法依赖于横截面分析,具有给定的时间配准,因此可能会失去平均结构,并人为夸大观测到的方差。我们引入了一个量,它既为时间注册提供了成本函数,也为轨迹比较提供了适当的距离。该距离用于定义同步轨迹和“高斯型”模型的统计摘要,如样本均值和协方差,以捕获离散时间的可变性。它对轨迹的相同时间扭曲(或时间重新参数化)是不变的。这是基于一种新的轨迹数学表示,称为传输平方根向量场(TSRVF),以及TSRVF空间上的$\mathbb{L}^{2}$范数。我们使用三个代表流形$\mathbb{S}^{2}$、$\mathrm{SE}(2)$和涉及模拟数据和实际数据的平面轮廓形状空间来说明这个框架。特别是,我们证明了:(1)使用实际数据集,平均结构得到改善,横截面方差显著减少,(2)用于捕获对齐轨迹中变化的统计建模,以及(3)在这些模型下评估随机轨迹。实验结果涉及鸟类迁徙、飓风跟踪和视频监控。
苏景勇。 塞巴斯蒂安·库特克。 埃里克·克拉森。 Anuj Srivastava。 “黎曼流形轨迹的统计分析:鸟类迁徙、飓风追踪和视频监控。” 附录申请。斯达。 8 (1) 530 - 552, 2014年3月。 https://doi.org/10.1214/13-AOAS701